Interindividuelle Merkmalsverteilungen
- Oft annähernd Normalverteilt -> suggeriert viele Faktoren (Bsp Galtonbrett)
o Kenntnis über Verteilungsfunktion ermöglicht:
§ Vorhersagen über Auftretenshäufigkeit
§ ins Verhältnis setzen individueller Werte
o Methodik der Z-Standardisierung ( Messwert der Person minus Mittelwert durch Standardverteilung)
- Mögliche Fragen:
o Systematisch/Zufall?
o Stabil?
o Ursache?
o Vorhersagekraft
Definition/Fragestellung der Differentiellen
- der Unterschiede psychischer Merkmale/Erleben/Verhalten und deren Zusammenhänge
o Erklärung(Entstehung)
o Vorhersage,
o Beschreiben
§ Vor allem inter- aber auch intraindividuell (im Entwicklungsverlauf einer Person)
o (Verändern von Merkmalen ?)
è HUB- Disziplin: Viele Querverbindungen zu anderen Feldern (as always)
Allgemeine vs Differenzielle Psych
§ Allgemeine Psychologie:
· Ziel: Allgemein/im Durchschnitt gültige Gesetze
· Interindividuelle Unterschiede = Fehlervarianz
o -> Große Vorhersagefehler wenn Mittelwerte genutzt werden (Bsp. Ebbinghaus- Vergessenskurve)
§ Differenzielle Psychologie:
· Ziel: Erklärung von Unterschieden
· Methode: Aufklärung von Varianz mittels individuen-spezifischer Variablen
o -> kleinerer individueller Vorhersagefehler
Vier Teildisziplinen nach Stern
§ Variationslehre (Varianz; 1 Merkmal velglichen ~ viele Personen)
§ Korrelationsforschung (Kovarianz; mehrere Merkmaleb verlglichen ~viele Personen)-> Achsen sind Merkmale
§ Psychographie (Varianz: versch. Merkmale(Profil)verglichen ~ einer Person)
§ Komparationslehre (Kovarianz der Personen/Personengruppen verglichen ~ Merkmalsprofile) -> Achsen sind Personen
History: William Stern (1871-1938)
o Mitgründer der UHH -> Leiter Psychologie
o 1900: „Ideen zu einer Differentiellen Psychologie“ -> Allgemeine vs Differentielle Psychologie
Erweiterung der Teildisziplinen nach Catel
è Cattell fügt Situationsdimension hinzu -> Modell wird Dreidimensional
§ Datenquader (Buchstaben nicht auswendig höchstens R Technik)
· Zu einem Zeitpunkt/Situation:
o Vergleich: mehrere Merkmale; Über: mehrere Personen (R-Technik
§ Bsp: Sagt die Mathenote die Lateinnote vorher ?
o Vergleich: mehrere Personen; Über: mehrere Merkmale (Q-Technik)
§ Bsp: Sagt der Gewählte Schüler (Lerntypen mit allgemeiner Begabung) die Mathe und Lateinnote vorher ?
· Innerhalb einer Person
o Vergleich: Situationen; Über: Merkmale
§ Bsp: Bekommt Paul in bessere Noten in seinen Fächern (Mathe, Latein, Englisch) je nachdem ob die Prüfung mündlich oder schriftlich sind
o Vergleich: Merkmale; Über: Situationen
§ Bsp: Beeinflusst Pauls Schulfach ob er in einer Mündlichen oder schriftlichen pfrüfung besser abschneidet
· Innerhalb eines Merkmals
o Vergleich: Situationen; Über Personen
§ Bsp: beeinflusst die prüfungssituation in Latein über bei allen Schülerinnen das Prüfungsergebnis
o Vergleich: Personen; über: Situationen
Bsp: Gibt es manche Schüler*innen gruppen die in schriftlichen Lateinprüfungen besser sind ?
Faktorladung
o idr. nicht 1.0 oder 0.0) = Korrelation Faktor mit manifester Variable
§ -> gibt Gewichtung an (Wie stark beeinflusst Faktor die Variablen?)
Kommunalität
- (h^2):
o Wie viel Varianz einer Variable wird durch alle Faktoren erklärt (Wie genau ist die Vorhersage für eine Variable)
§ Weniger Faktoren -> geringere Kommunalität
o Berechnung: quadrierte Faktorladungen einer Variable (Maximal 1)
Eigenwert (Eig)
o Wie viel Varianz aller Variablen erklärt ein Faktor (Wie stark/allgemeingültig? ist ein Faktor)
o Berechnung: Summe aller Quadrierten Faktorladungen eines Faktors (Maximal anzahl der Variablen)
§ Größer 1 -> Faktor erklärt mehr als einzelne Variable
§ Kleiner 1 -> Faktor erklärt weniger[EB1]
[EB1]Häh???
Überprüfung der Faktorenanzahl
§ Extraktion der Faktoren durch sukzessive maximale Varianzaufklärung
o Eigenwertkriterium :Eigenwert < 1
o Scree-Test: Knick = Mehr Faktoren erklären nicht mehr wesentlich mehr -> nur Faktoren links vom Knick nehmen ?
o Parallelanalyse: Eigenwerte> Zufallseigenwerte (zufälliger Datensatz mit selber Struktur)
Einfachstruktur/Rotation
o Man kann Faktoren [EB1] rotieren so dass
§ Variablen auf einem Faktor hoch und auf einem anderen niedrig korreliert sind
· -> nicht alle Faktoren hohen Einfluss auf gleiche Variablen einfachere Interpretation
§ Kommunalitäten Verändern sich dadurch nicht
o Orthogonal: Faktoren korrelieren nicht
o Oblique: Auch Faktoren korrelieren -> Faktoren 2ter Ordnung
[EB1]Macht Mathematisch Räumlich sin aber super schwer in Anwendungskontext vorzustellen
Probleme der Faktorenanalyse
o Auswahl des Abbruckkriteriums Faktoranzahl
o Probandenstichprobe
o Variablenstichprobe
Objektivität Faktoranalyse eingeschränkt
Zuletzt geändertvor 3 Monaten